典型文献
基于时间序列和CNN-LSTM的滑坡位移动态预测
文献摘要：
针对滑坡演化的动态特性以及静态预测模型的不足,提出一种基于时间序列与卷积长短期记忆神经网络(CNN-LSTM)的滑坡位移动态预测模型.首先,在利用曼-肯德尔(Mann-Kendall)趋势检验法检验滑坡位移的趋势特征的基础上,采用二次移动平均法将滑坡累积位移分解为趋势项位移和周期项位移,并采用最小二乘多项式函数拟合趋势项位移.然后,采用频谱图检验滑坡位移的周期特征,对周期项位移采用CNN-LSTM混合网络模型进行预测.最后,将两者预测值叠加得到累积位移预测值.该模型在中国三峡库区八字门滑坡得到了验证.实验结果表明,与当前常见的预测模型相比,所提方法的能有效对滑坡位移进行预测,且在周期项位移预测方面相较于经典BP神经网络,LSTM网络以及"门循环"(gated recur-rent unit,GRU)网络模型,CNN-LSTM网络模型有更高的预测精度.
文献关键词：
滑坡位移预测;时间序列;卷积长短期记忆神经网络;八字门滑坡
中图分类号：
作者姓名：
王朝阳;李丽敏;温宗周;张明岳;魏雄伟
作者机构：
西安工程大学电子信息学院 西安710600
文献出处：
引用格式：
[1]王朝阳;李丽敏;温宗周;张明岳;魏雄伟-.基于时间序列和CNN-LSTM的滑坡位移动态预测)[J].国外电子测量技术,2022(03):1-8
A类：
B类：
动态特性,静态预测,卷积长短期记忆神经网络,动态预测模型,肯德尔,Mann,Kendall,趋势检验,检验法,趋势特征,移动平均法,累积位移,趋势项,周期项,多项式函数,函数拟合,频谱图,周期特征,混合网络模型,加得,国三,三峡库区,八字门滑坡,gated,recur,rent,unit,GRU,滑坡位移预测
AB值：
0.289882
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
